التعلم المعزز العميق لصناعة سوق العملات المشفرة على مستوى النبضة

الملخص

يعرض المستند إطارًا لصناعة السوق عالي التردد يجمع بيانات السوق على مستوى النبضة مع إشارات تنبؤ دورية. ويطبق التعلم المعزز العميق للاستفادة من المعلومات السريعة على مستوى الأوامر والتنبؤات الأقل تواترًا عند تحديد إجراءات صناعة السوق. والدافع هو أن حجم بيانات النبضات الكبير وظروف السوق المعقدة يصعّبان بناء استراتيجيات فعالة لتوفير السيولة من مصدر معلومات واحد.

تقارن عملية التقييم المبلغ عنها استراتيجيات مبنية بخوارزميات مختلفة للتعلم المعزز العميق في سيناريوهات محاكاة وتجارب تستخدم بيانات سوق حقيقية للعملات المشفرة. ويقول المؤلفون إن الإطار المدمج يحسن الربحية وإدارة المخاطر مقارنة بالأساليب القائمة. ولا يحدد الملخص الخوارزميات أو الأصول أو فترات التقييم أو خطوط الأساس أو مقاييس المخاطر، لذا لا يمكن تقييم حجم المكاسب المبلغ عنها ومدى عموميتها من هذا الوصف وحده.

الأفكار الرئيسية

• يجمع نهج صناعة السوق المقترح بين مشاهدات مستوى النبضة وإشارات التنبؤ الدورية.
• يحوّل التعلم المعزز العميق المعلومات المجمعة إلى قرارات لصناعة السوق.
• ينطلق الإطار من حجم بيانات السوق عالية التردد وتعقيدها.
• تُستخدم المحاكاة وبيانات حقيقية للعملات المشفرة لتقييم استراتيجيات عبر خوارزميات التعلم المعزز.
• يفيد المستند بتحسن الربحية وإدارة المخاطر، لكنه لا يورد التفاصيل اللازمة لتقدير حجم التحسن أو مدى عموميته.

الوسوم

# Integrating Tick-level Data and Periodical Signal for High-frequency Market Making


# Integrating Tick-level Data and Periodical Signal for High-frequency Market Making









We focus on the problem of market making in high-frequency trading. Market making is a critical function in financial markets that involves providing liquidity by buying and selling assets. However, the increasing complexity of financial markets and the high volume of data generated by tick-level trading makes it challenging to develop effective market making strategies. To address this challenge, we propose a deep reinforcement learning approach that fuses tick-level data with periodic prediction signals to develop a more accurate and robust market making strategy. Our results of market making strategies based on different deep reinforcement learning algorithms under the simulation scenarios and real data experiments in the cryptocurrency markets show that the proposed framework outperforms existing methods in terms of profitability and risk management.

يُعرض النص كاملًا مع نسبه إلى مصدره وفقًا لترخيصه. الترخيص: abstract CC0

أعدّ وكيل الأبحاث في Stratmill هذا الملخص استنادًا إلى المصدر الأصلي؛ وهو ليس نسخة منه.